基于LIO-SAM 算法的三维激光SLAM 建图

运行环境

• Linux：Ubuntu18.04
• ros：Melodic
• Ceres Solver 2.0.0（Ubuntu18.04安装Ceres）
• PCL 1.8.1（Ubuntu系统的PCL、Eigen卸载和安装）
• gtsam-4.0.0-alpha2  或者 4.0.2

1 背景介绍
在自动驾驶的感知方案中，激光雷达是一个公认的精度高、探测距离远的传感器，适用于对周围环境的精确感知。激光雷达在工作时，采用激光扫描周围环境，返回点云数据。得到了周围环境的点云数据之后，需要对它进行处理。那么激光SLAM便是进行这个操作。激光SLAM是根据点云匹配来进行定位和建图。

现阶段，比较有名的三维激光SLAM算法有LOAM系和谷歌的cartographer。LOAM系包含了LOAM、LeGO-LOAM、LIO-SAM等一系列算法。先简要的介绍一下各个算法（主要是参考文章1）。

1.1 Cartographer
Cartographer是由谷歌于2016年开源的一个支持ROS的室内SLAM库，并在截至目前为止，仍然处于不断的更新维护之中。

特点：代码极为工程，多态、继承、层层封装的十分完善。提供了方便的接口，便于接入IMU、（单/多线）雷达、里程计、甚至为二维码辅助等视觉识别方式也预留了接口（Landmark）。

1.2 LOAM
LOAM为清华自动化本科毕业的Zhang Ji博士在CMU读博期间，于2014年在RSS期刊发表的关于三维激光传感器的SLAM算法。

特点：Cartographer主要解决室内问题，LOAM室内外都可以，但是没有回环检测，在具有旋转场景会有建图不准确的情况。LOAM的代码量相比Cartographer要小很多，文件结构相对简单。

1.3 LeGO-LOAM
LeGO-LOAM是TiXiao Shan发表在IROS2018的文章，文章叫：可变地形下的轻量级和地面优化的雷达里程计与建图。其是以LOAM为框架衍生出的新算法，主要在于两点提升：轻量级 和 地面优化

特点：LeGO-LOAM具有回环检测能力，缺点是依赖地面。

1.3 LIO-SAM
LIO-SAM是TixiaoShan在2020年IROS发表的Lego-LOAM续作。 它是Lego-LOAM的扩展版本，添加了IMU预积分因子和GPS因子。LOAM和LeGO-LOAM是纯依靠激光雷达点云SLAM，而LIO-SAM结合了Lidar、IMU和GPS。